Fugu-MT 論文翻訳(概要): Dynamic Image for 3D MRI Image Alzheimer's Disease Classification

論文の概要: Dynamic Image for 3D MRI Image Alzheimer's Disease Classification

arxiv url: http://arxiv.org/abs/2012.00119v1
Date: Mon, 30 Nov 2020 21:39:32 GMT
ステータス: 処理完了
システム内更新日: 2021-06-06 15:02:51.216323
Title: Dynamic Image for 3D MRI Image Alzheimer's Disease Classification
Title（参考訳）: 3次元mri画像アルツハイマー病分類のための動的画像
Authors: Xin Xing, Gongbo Liang, Hunter Blanton, Muhammad Usman Rafique, Chris Wang, Ai-Ling Lin, Nathan Jacobs
Abstract要約: 3D畳み込みニューラルネットワーク(CNN)のトレーニングには時間と計算コストがかかる。我々は3次元MRI画像の体積を2次元画像に変換して2次元CNNの入力として利用する。提案したCNNモデルは、ベースライン3Dモデルよりも、アルツハイマー病の分類精度が9.5%高い。
参考スコア（独自算出の注目度）: 26.296422774282156
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose to apply a 2D CNN architecture to 3D MRI image Alzheimer's disease classification. Training a 3D convolutional neural network (CNN) is time-consuming and computationally expensive. We make use of approximate rank pooling to transform the 3D MRI image volume into a 2D image to use as input to a 2D CNN. We show our proposed CNN model achieves $9.5\%$ better Alzheimer's disease classification accuracy than the baseline 3D models. We also show that our method allows for efficient training, requiring only 20% of the training time compared to 3D CNN models. The code is available online: https://github.com/UkyVision/alzheimer-project.
Abstract（参考訳）: 3次元mri画像アルツハイマー病分類に2次元cnnアーキテクチャを適用することを提案する。 3D畳み込みニューラルネットワーク(CNN)のトレーニングには時間と計算コストがかかる。我々は3次元MRI画像の体積を2次元画像に変換して2次元CNNの入力として利用する。提案するcnnモデルは3dモデルよりもアルツハイマー病の分類精度が9.5\%向上することを示した。また、3d cnnモデルと比較してトレーニング時間の20%しか必要とせず,効率的なトレーニングが可能であった。コードは、https://github.com/ukyvision/alzheimer-project。

関連論文リスト

PonderV2: Pave the Way for 3D Foundation Model with A Universal Pre-training Paradigm [114.47216525866435]
本稿では,効率的な3D表現の獲得を容易にするために,新しいユニバーサル3D事前学習フレームワークを提案する。 PonderV2は、11の室内および屋外ベンチマークで最先端のパフォーマンスを達成したことで、その効果が示唆された。
論文参考訳（メタデータ） (2023-10-12T17:59:57Z)
Learning 3D Representations from 2D Pre-trained Models via Image-to-Point Masked Autoencoders [52.91248611338202]
I2P-MAEという名前のイメージ・ツー・ポイント・マスケッド・オートエンコーダを用いて,2次元事前学習モデルから優れた3次元表現を得る方法を提案する。自己教師付き事前学習により、よく学習された2D知識を利用して、3Dマスクによる自動エンコーディングをガイドする。 I2P-MAEは最先端の90.11%の精度、+3.68%の精度で第2ベストに到達し、より優れた転送能力を示す。
論文参考訳（メタデータ） (2022-12-13T17:59:20Z)
ULIP: Learning a Unified Representation of Language, Images, and Point Clouds for 3D Understanding [110.07170245531464]
現在の3Dモデルは、注釈付きデータの少ないデータセットと、事前に定義されたカテゴリセットによって制限されている。近年の進歩は、言語などの他のモダリティからの知識を活用することで、同様の問題を著しく軽減できることを示している。画像,テキスト,3次元点雲の統一表現は,3つのモードからオブジェクト三重項を事前学習することで学習する。
論文参考訳（メタデータ） (2022-12-10T01:34:47Z)
Decomposing 3D Neuroimaging into 2+1D Processing for Schizophrenia Recognition [25.80846093248797]
我々は2+1Dフレームワークで3Dデータを処理し、巨大なImageNetデータセット上に事前トレーニングされた強力な2D畳み込みニューラルネットワーク(CNN)ネットワークを利用して3Dニューロイメージング認識を実現することを提案する。特に3次元磁気共鳴イメージング(MRI)の計測値は、隣接するボクセル位置に応じて2次元スライスに分解される。グローバルプーリングは、アクティベーションパターンが機能マップ上にわずかに分散されているため、冗長な情報を除去するために適用される。 2次元CNNモデルにより処理されていない3次元の文脈情報を集約するために,チャネルワイドおよびスライスワイズ畳み込みを提案する。
論文参考訳（メタデータ） (2022-11-21T15:22:59Z)
Efficient brain age prediction from 3D MRI volumes using 2D projections [0.0]
数個の2次元投影に2次元CNNを用いることで、脳の体積から年齢を予測する際に妥当な検査精度が得られることを示す。 20,324人の被験者による1つのトレーニングエポックは、1つのGPUで40から70秒かかり、小さな3D CNNの約100倍高速である。
論文参考訳（メタデータ） (2022-11-10T18:50:10Z)
Introducing Vision Transformer for Alzheimer's Disease classification task with 3D input [1.0152838128195467]
ビジョントランスフォーマーベースのモデルは、CNNベースのモデルより優れているか? 浅い3次元CNNモデルを用いて満足な結果を得ることができるか? 以上の結果から, 浅部3次元CNNモデルでは, MRIによるアルツハイマー病の分類が良好であることが示唆された。
論文参考訳（メタデータ） (2022-10-03T18:48:22Z)
Super Images -- A New 2D Perspective on 3D Medical Imaging Analysis [0.0]
トレーニング中に3次元知識を効率的に埋め込んで3次元データを扱うための,シンプルで効果的な2次元手法を提案する。本手法は3次元画像にスライスを並べて超高分解能画像を生成する。 2次元ネットワークのみを利用した3次元ネットワークを実現する一方で、モデルの複雑さはおよそ3倍に減少する。
論文参考訳（メタデータ） (2022-05-05T09:59:03Z)
Continual 3D Convolutional Neural Networks for Real-time Processing of Videos [93.73198973454944]
連続3次元コンテンポラルニューラルネットワーク(Co3D CNN)について紹介する。 Co3D CNNはクリップ・バイ・クリップではなく、フレーム・バイ・フレームで動画を処理する。本研究では,既存の映像認識モデルの重みを初期化したCo3D CNNを用いて,フレームワイズ計算における浮動小数点演算を10.0-12.4倍削減し,Kinetics-400の精度を2.3-3.8倍に向上したことを示す。
論文参考訳（メタデータ） (2021-05-31T18:30:52Z)
3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文参考訳（メタデータ） (2021-04-04T20:30:14Z)
2.75D: Boosting learning by representing 3D Medical imaging to 2D features for small data [54.223614679807994]
3D畳み込みニューラルネットワーク(CNN)は、多くのディープラーニングタスクにおいて、2D CNNよりも優れたパフォーマンスを示し始めている。 3D CNNにトランスファー学習を適用することは、パブリックにトレーニング済みの3Dモデルがないために困難である。本研究では,ボリュームデータの2次元戦略的表現,すなわち2.75Dを提案する。その結果,2次元CNNネットワークをボリューム情報学習に用いることが可能となった。
論文参考訳（メタデータ） (2020-02-11T08:24:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。